转炉炼钢过程是一个周期性的升温、降碳、去杂质过程,包含非常复杂的多元、多相、高温反应。对转炉炼钢终点进行准确预测,用优化的炼钢工艺参数进行控制是合理组织生产、提高钢水质量和降低炼钢成本的重要前提。神经网络是解决非线性系统问题的有效途径,将神经网络用于转炉炼钢终点控制是一个值得研究的方向。本文参考某钢厂转炉的炼钢工艺并用这些转炉的数据为背景,开发了基于转炉静态预测模型的炼钢辅助决策系统,旨在帮助工人在冶炼前确定合适的冶炼方案。在实现系统的终点预测功能时,本文根据BP神经网络的建模理论,按照数据处理、网络结构设计、训练算法选取等几个步骤建立了转炉静态预测模型。针对数据源的特点,加大了数据处理的力度。在充分分析数据统计特性的基础上,对数据源进行了交叉分段,建立了针对不同类别钢种终点预测的分类终点碳温预测模型;分析了标准BP算法收敛速度慢的原因,采用了改进的LM算法,并针对该算法的缺陷,采用多种方法改善了预测模型的泛化能力。在实现系统的终点控制变量优化功能时,本文基于转炉预测模型建立了多目标转炉炼钢终点优化控制模型。在充分分析控制变量极值区域特点及数据特征的基础上,采用了批量计算的方法,提高了搜索速度。本系统分别对历史数据和现场数据进行了离线测试和在线测试,测试结果表明,系统性能良好,对确定转炉炼钢的冶炼方案起到了辅助决策的作用,能够提高终点碳含量和终点温度的命中率。